GNRB® Knee Arthrometer: Inter- and Intra-observer Reliability and Learning Curve
Notice bibliographique
Résumé
Background Diagnosing anterior cruciate ligament rupture is challenging, particularly due to the subjective nature of clinical laxity assessments. Objective evaluation methods are necessary for consistency and publication in clinical research. This study aims to assess the reproducibility of the GNRB® knee arthrometer (GeNouRoB, Laval, France) across different examiners and to examine the associated learning curve for a junior examiner. Methods Anterior translation measurements were conducted on 20 healthy knees using the GNRB arthrometer. Two examiners, a senior and a junior, performed the measurements independently and were blinded to each other's results. Measurements were taken at two different push forces (134 N and 200 N). The study evaluated inter- and intra-observer reproducibility using Cohen's kappa coefficient and the intraclass correlation coefficient (ICC). The junior examiner also performed a third series of measurements to assess the learning curve. Results The senior examiner demonstrated excellent reproducibility with an ICC greater than 0.75 for all measurements. The junior examiner's reproducibility varied from fair to good, with an ICC ranging from 0.45 to 0.75. Inter-observer reproducibility between the senior and junior examiners was excellent (ICC >0.75). Notably, the junior examiner's reproducibility improved to an excellent level (ICC >0.75) during the second series of measurements. Conclusion The GNRB system provides a reproducible method for evaluating anterior knee laxity across different examiners. A learning curve of approximately 20 knees is sufficient for a junior examiner to achieve statistically excellent reproducibility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,066 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».